Высокоточное внутреннее позиционирование обеспечивает ценную информационную поддержку для мониторинга пациентов, управления расписанием оборудования, безопасности лаборатории и т. д. Традиционная технология внутреннего позиционирования - позиционирование по отпечаткам - обычно использует алгоритм ближайших соседей (KNN), используя интенсивность приема сигнала (RSS), чтобы определить ближайшие N эталонных точек для прогнозирования положения. Однако RSS легко подвержен воздействию окружающей среды, что приводит к тому, что выбранные эталонные точки необязательно являются ближайшими соседями в физическом пространстве пользователя. Кроме того, использование фиксированного значения K не является оптимальной стратегией. В этой статье предлагается метод внутреннего позиционирования на основе динамической ближайшей точки с высокой вероятностью доступа (SAPC-DKNN). Этот метод использует априорные знания о потерях пути RSS, чтобы оценить важность различных точек доступа путем квантификации диапазона флуктуации RSS. Интеграция сходства набора точек доступа внутри области сильных точек доступа и создание взвешенной меры расстояния для RSS на основе доверия к сильным точкам доступа. Кроме того, вводится алгоритм динамического значения K на основе плотности соседнего пространства (ND-DKA), автоматическая оптимизация значения K для каждой испытательной точки. Эксперименты на 3 наборах данных показывают, что этот метод снизил среднюю погрешность позиционирования на 15,41% - 64,74% по сравнению с передовым методом KNN

Потери пути RSS; Позиционирование внутри помещения по отпечаткам; Динамическая ближняя точка K